基于DNN的半潛式平臺系統穩定性預測模型

李至立， 卻立勇， 劉興惠

(山東緯橫數據科技有限公司， 山東 煙臺 264003)

0 引 言

半潛式鉆井平臺是重要的海洋工程裝備[1-2]，往往作業于深海區，時刻面對著惡劣多變的海洋環境，平臺系統運行穩定性受到挑戰，故障警報信號頻發[3-7]。平臺系統組成非常復雜，信號點位眾多，難以追蹤平臺系統運行不穩定的誘發因素。機器學習、深度學習等人工智能算法基于大數據可進行復雜的關聯映射，比如構建平臺系統能否穩定運行與其重要影響因素間的關聯模型。本文將平臺系統是否發出警報信號作為系統是否穩定的標志，研究平臺系統能否穩定運行的重要影響因素，基于若干重要因素采用機器學習、深度學習算法構建平臺系統穩定性預測模型。

1 平臺系統穩定性關聯因素

大型裝備故障發生的征兆主要與電壓狀態有關[8]。采用發電機功率、配電盤各類負載的功率、配電盤各類負載的電壓、配電盤各類負載的電流、推進器功率、風速等信號數據作為平臺系統能否穩定運行的影響因素。

1.1 平臺系統穩定性各影響因素的數據預處理

收集半潛式平臺某年5月1日—5月31日上述信號點位的瞬時數據與警報信號數據，將各指標數據中的負值作為異常值設為空值，將毫秒級數據取均值轉換為秒級數據。

平臺共有8臺發電機，但每一時刻只有部分發電機在工作，因此對每一時刻取所有發電機功率的均值作為這一時刻的發電機工作功率，并將其作為建模特征?！?br>